感知机学习算法代码实现

Adopper

于 2021-02-18 16:32:27 发布

阅读量390

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习笔记文章标签：机器学习深度学习

本文链接：https://blog.youkuaiyun.com/Adopper/article/details/113848908

机器学习笔记专栏收录该内容

4 篇文章

订阅专栏

该博客探讨了统计学习方法中的感知机模型，通过Python代码展示了感知机学习算法的实现过程。内容包括训练数据、参数初始化、学习率（分别为1和0.1）对权重更新的影响。实验结果显示，不同学习率会改变模型收敛的速度和最终权重值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《统计学习方法》2.3感知机学习算法。

# Perceptino感知机
import numpy as np

# 训练数据
trainingSet = [np.matrix([3, 3]), np.matrix([4, 3]), np.matrix([1, 1])]
ySet = [1, 1, -1]

# 参数初始化
eta = 0.1  # 学习率
w = np.matrix([1, 5])
b = 0
count = 0

while count < len(trainingSet):
    if ySet[count] * (w * np.transpose(trainingSet[count]) + b) > 0:
        count = count + 1
    else:
        w = w + eta * ySet[count] * trainingSet[count]
        b = b + eta * ySet[count]
        count = 0

print(w)
print(b)